课程文献中心 更多>>

关键词： YOLO算法   鸟类检测   目标检测   深度学习  

摘要： 随着深度学习技术的持续进步,YOLO目标检测算法已成为计算机视觉领域内的研究热点。鉴于环境生态问题的日益严峻,鸟类识别技术对于生态环境保护、鸟类种群监测以及生物多样性研究具有至关重要的作用。本文全面回顾了YOLO系列检测算法从v1至v11的发展历程及其网络结构原理,对基于YOLO的鸟类检测领域的相关文献进行了梳理与分析,并归纳总结了各模型的网络结构及性能指标,为进一步验证模型效能,选取了部分主流模型在CUB-200鸟类数据集上进行了性能对比实验;探讨了几种常用于YOLO目标检测框架下的鸟类图像数据集,这些数据集是训练和测试模型的关键资源;结合YOLO系列算法的特点及最新文献,展望了未来在该领域可能的研究趋势和发展方向,旨在为进一步提高鸟类检测精度和效率提供参考。

关键词： 软件定义网络   随机森林   入侵检测   K-means SMTOE  

摘要： 传统网络入侵检测模型在应用上存在统一性不强、关联度不足、灵活性较低等问题,而随机森林算法则在少数类数据的识别上存在不足。针对以上问题,提出了一种改进随机森林算法,通过引入K-means SMOTE以解决在网络入侵检测中少数类数据采样失衡的问题,同时对SDN中的NIDS进行改进,与改进算法进行结合,从而提升整个入侵检测分析模型的响应速度和精确程度。

关键词： YOLOv7   喷漆表面缺陷检测   注意力机制   损失函数  

摘要： 针对产品表面喷漆检测任务,提出了一种基于YOLOv7改进的喷漆表面缺陷检测算法,旨在提高检测准确性和效率。对YOLOv7算法进行改进,新增小目标检测层,增强模型对不同尺寸目标的检测能力。通过引入GAM注意力机制,提升模型在特征提取方面的能力。替换原有损失函数为SIoU损失函数,不仅能加速模型的收敛过程,还能有效提高其整体精度。实验结果显示,改进后的算法平均精度能达到92.84%,比YOLOv7算法提升5.4%,能够为喷漆表面缺陷检测提供帮助。

关键词： 短时客流预测   改进麻雀搜索算法   长短时记忆神经网络   组合模型  

摘要： 准确的短时客流预测可以为城市轨道交通的良好运营提供保障,但轨道交通的短时客流具有非线性和高随机性等特点,为了提高对短时客流的预测精度,提出将ISSA算法和LSTM模型进行组合,构建城市轨道交通短时客流预测模型.针对SSA算法收敛速度慢,容易陷入局部最优解的问题,引入黄金莱维飞行策略,通过动态调整探索者移动步长的方法,使得它在未知范围内搜索时,能够覆盖更大的范围,提高SSA算法全局搜索的能力.通过使用ISSA算法对LSTM模型的隐含层、学习率和迭代次数的神经元个数进行优化,构建ISSA-LSTM组合预测模型,用于城市轨道交通短时客流的预测.将该模型与BP、LSTM和SSA-LSTM等3种短时客流预测模型进行对比,结果表明:在针对工作日和非工作日客流的预测中,ISSA-LSTM模型预测误差最小,具有较好的预测效果.

关键词： 路径规划   改进A^(*)算法   环境建模   拐角优化   防碰撞  

摘要： 为解决传统算法在规划AGV(automated guided vehicles)路径时存在的节点多、路径不平滑和拓展范围广等问题,提出了一种改进A*算法。首先,采用栅格法建立环境信息;其次,通过加权后的障碍物比例对启发函数进行改进,同时增加防碰撞函数以降低碰撞概率;最后,对所提出的改进算法进行拐角优化,减少AGV实际作业时的转弯次数。实验数据表明,简单环境下改进A^(*)算法的遍历节点数较两种传统算法分别缩短了85.3%、55.9%;复杂环境下改进A*算法的遍历节点数较两种传统算法缩短94.5%、70.3%。同时拐点数量减少、路径更加平滑、路径规划时间也大幅缩短,提高了运行效率并有效降低碰撞概率。

关键词： cloud-based service   scheduling algorithm   resource constraint   load optimization   cloud computing   plant growth simulation algorithm  

摘要： In order to improve the efficiency of cloud-based web services,an improved plant growth simulation algorithm scheduling *** model first used mathematical methods to describe the relationships between cloud-based web services and the constraints of system ***,a light-induced plant growth simulation algorithm was *** performance of the algorithm was compared through several plant types,and the best plant model was selected as the setting for the *** results show that when the number of test cloud-based web services reaches 2048,the model being 2.14 times faster than PSO,2.8 times faster than the ant colony algorithm,2.9 times faster than the bee colony algorithm,and a remarkable 8.38 times faster than the genetic algorithm.

关键词： 液位控制   分数阶PID控制   自适应混合策略鲸鱼优化算法   仿真建模  

摘要： 为了进一步提高液位控制系统的控制精度和稳定性,采用分数阶PID控制器(FOPID)对液位进行控制。由于分数阶PID控制器存在整定参数多、整定困难等问题,提出了一种自适应混合策略鲸鱼优化算法(AMSWOA)对分数阶PID参数进行整定。采用实验用单容和双容水箱模拟工业中的液位控制。利用MATLAB工具对分数阶PID控制器和液位控制系统进行仿真建模,并与整数阶PID控制算法进行仿真比较。结果表明,与整数阶PID控制器相比,应用自适应混合策略鲸鱼优化算法的分数阶PID控制器具有超调量小、调节时间短及稳态误差小等优势。

关键词： 物联网   不均衡数据   组内方差   SNM清洗算法   滑动窗口   网络爬虫   数据字段   约束条件  

摘要： 由于物联网数据通常是不均衡的,导致采集的数据集中各个类别的样本数量差异很大,无法准确反映其内部的方差情况,使得数据文本相似度较高,为此,提出物联网海量不均衡数据组内方差SNM清洗算法。使用网络爬虫技术爬取海量不均衡数据,对不平衡数据字段过滤处理,设计可伸缩滑动窗口方式改进SNM算法,计算不均衡数据组内方差,将其作为清洗不均衡数据的约束,通过对比物联网海量不均衡数据组内方差阈值,实现物联网海量不均衡数据清洗。实验结果表明:该方法具备较强的物联网海量不均衡数据清洗能力,且清洗后的物联网海量不平衡数据的文本相似度较低,应用性较强。

关键词： 数智经济时代   算法   算法管理   平台型组织   企业管理现代化  

摘要： 随着数智经济时代的到来,管理算法化和算法管理化是当前企业管理变革的新趋势。从企业管理范式演进和比较两个维度对算法管理的变革后果进行刻画:一方面,在企业管理数字化、智能化发展的大趋势下,算法管理构成了企业管理在数智时代的现代化形式,并以智能计算为主要方式开启了企业管理的第四次现代化;另一方面,算法作为企业管理的一种新型管理方式,促进了企业组织形态、分工方式、协作模式、资源配置方式以及管理职能的转型,从而引领了企业管理范式的革新。算法管理将是数智经济时代的重要企业管理范式,推动企业管理现代化进程。

关键词： 电渣重熔   互信息法   XGBoost算法   磷含量   机器学习  

摘要： 研究针对电渣重熔流程提出了一种基于互信息法(MI)和XGBoost的电渣重熔终点磷含量预报模型,利用互信息法对影响终点磷含量的因素进行特征选择与特征评估,特征选择后的数据集作为模型的输入变量。建立MI-XGBoost模型对生产数据进行训练及验证,利用网格搜索交叉验证对模型结构调整和超参数优化,并与MI-RR、MI-RF、MI-GBDT和MI-KNN模型进行横向对比,结果表明,MI-XGBoost模型具有最高的预测精度,MI和GridSearchCV的加入提高了模型预测性能和拟合能力。通过对于测试集的验证,MI-XGBoost模型的R^(2)、平均绝对误差、解释方差分数和最大误差的数值分别为0.8894、0.0004、0.8972和0.0041,均优于MI-RR、MI-RF、MI-GBDT和MI-KNN模型。MI-XGBoost模型实现了终点磷含量的有效预测,为电渣重熔流程终点控制和判断提供了很好的参考,为实现电渣重熔过程智能化提供了一个新思路。